B v3 · ACUMULA-3 — resultados del examen

20 de octubre de 2026. Contrato: ACUMULA3-DESIGN.md (aprobado, enmienda 1 antes de preflight). Examen corrido una vez: 70 trabajos (7 brazos × 10 macros), 19:38–21:51 UTC, 0 fallos de ejecución. Datos: lab/echo58/acumula3/exam/*.json; informe lab/echo58/acumula3/results.json (sha256 5411952cb3e7a229…); congelación lab/echo58/acumula3/preflight.json (semillas e29cb5a2…).

Veredicto: VERDE (Q1 ∧ Q2 ∧ Q3, destroyed == 0) — confirmado por verificador independiente

El verificador recalculó la congelación (17 claves idénticas), las semillas (e29cb5a2…) y Q1–Q5 con su propio Wilcoxon exacto + Holm, revisó los controles en el código, repitió vacia_online m03 y fija m05 (idénticos byte a byte salvo secs) y pasó los 8 tests. Notas menores: los JSON de vacia_online no llevan destroyed (no editan; cuenta 0); el primer trabajo terminó a las 19:55 (19:38 es el preflight).

Curva de la sonda (media sobre 10 macros, fallidos/daño, 120 episodios por macro)

Brazo	r0	r1	r2	r3	r4	r5
recursiva	94,3/58,6	35,4/3,9	22,3/0	21,0/0	15,8/0	13,8/0
azar	94,3/58,6	85,7/49,6	81,8/46,4	76,6/39,4	73,6/39,2	66,4/30,5
sin_acumular	94,3/58,6	35,4/3,9	32,0/4,2	38,1/5,2	43,8/7,8	43,3/10,3
fija	94,3/58,6	93,7/58,3	94,2/56,6	93,5/54,3	94,0/52,7	94,1/51,8
lote_final	—	—	—	—	—	43,2/10,3
vacia_online	77,0/39,9					77,0/39,9
piezas_dadas (se informa)	70,6/58,6	20,2/7,0	15,2/0	16,1/0	14,6/0	13,3/0

Predicciones

• Q1 · mejora sucesiva — PASA. 5 de 5 transiciones bajan estrictamente y el daño no sube en ninguna (racha 5; hacían falta 3).
• Q2 · mejor que los controles — PASA. Los cinco Wilcoxon dan p = 0,00098 (10 de 10 macros a favor frente a cada control); los cinco pasan Holm (α = 0,01).
• Q3 · sin regresión — PASA. Banco de examen de A, misma memoria final: base daño 78,3 / éxito 68,4 → final daño 0 / éxito 184,0.
• Q4 (se informa): en 10 de 10 macros entra en r ≥ 2 alguna edición que ya se había probado y rechazado antes (las más frecuentes: commit+no_repick 8, verify (14,PICK,0) 8, verify (0,PICK,0) 8, order 7, no_retoggle 6, clear 6).
• Q5 (se informa): recursiva 13,8 frente a piezas_dadas 13,3 en r5; ni una gana a la otra (p 0,80 y 0,33).
• Q6 (se informa): r1 casi siempre refine de ENTER (10/10 macros, son las ediciones de memoria de la lava/agua); r2 order, verify de PICK y commit+no_repick; r3 verify y no_retoggle; r4 verify de TOGGLE y clear.
• destroyed = 0 en los 70 trabajos.

Por familia (suma de 10 macros, fallidos de 300)

Familia	recursiva r0 → r5	azar r5
LavaCrossingS11N5	294 → 3	134
DistShift2	292 → 6	215
ObstructedMaze2Dlh	266 → 26	185
DynObsRandom5	91 → 103	130

Lo que esto dice y lo que no

1. Dice: ECHO, a partir de sus propios fallos medidos, elige y encadena ediciones de memoria y piezas de política durante cinco rondas seguidas, cada una mejor que la anterior en mundos nuevos, y gana a los cinco controles en las 10 macros. El riesgo 1 del contrato no se dio: la mejora no se quedó en un escalón.
2. No dice que ECHO invente conductas. Las piezas se diseñaron a mano mirando trazas de desarrollo. Dárselas todas desde el principio (piezas_dadas) acaba igual (13,3 frente a 13,8). El mérito medido es elegir, ordenar y acumular, no crear piezas.
3. La primera bajada (94 → 35) son ediciones de memoria, como en B v2; lo que B v3 añade son las mejoras 2 a 5.
4. DynObsRandom5 empeora un poco (91 → 103 fallidos en 300): ninguna pieza ayuda con obstáculos que se mueven y la memoria final la perjudica algo. No cuenta en contra de las predicciones (se miden sobre la suma), pero es un defecto real.
5. ObstructedMaze2Dlh, que el contrato temía inalcanzable (riesgo 2), baja de 266 a 26.

Este verde no reetiqueta B v1 (roja en examen) ni B v2 (cerrada roja en desarrollo).